随着自动化仓储与先进生产系统的不断发展,自动引导车(Automatic Guided Vehicle,AGV)作为一种轮式移动机器人在物流与生产系统中扮演着越来越重要的角色。其中路径跟踪控制是实现AGV高精度导引控制的关键技术。为了在系统参数未知的情况下,针对磁导航AGV路径跟踪控制器的设计中免除大量的人工参数整定工作,并在算法迁移应用至参数不同的AGV时能够利用先前学习到的知识从而加速算法的迁移过程,本文提出了两个比较新颖的方法,其主要内容包括以下两个方面:(1)本文使用一种改进的免模型深度强化学习算法设计了路径跟踪控制器。在建立磁导航AGV离散时域的运动学和动力学模型的基础上,将路径跟踪问题建模为连续状态与动作空间的马尔可夫决策过程。同时使用了两个深度神经网络用于实现一个演员评判家(Actor-Critic)架构的异策略(off-policy)免模型强化学习算法作为控制器的实现。分别采用时域差分算法与确定性策略梯度算法用于更新Critic与Actor两个深度神经网络的参数使其分别逼近最优的动作值函数与策略函数。(2)为了在算法迁移应用至参数不同的AGV时加速其训练过程,本文引入了表示学习方法。通过使用自编码器技术来学习一个由输入信号到状态表示的映射过程,从而将状态表示学习部分与任务相关的策略学习部分分离解耦。当算法迁移应用至参数不同的AGV时,通过使用预训练的编码器取代网络的首层隐含层,以实现对输入信号的编码过程,从而缩短了算法的训练时间。此外,本文提出了一种自编码器的同步训练方法,通过使用跟踪控制算法训练过程中所产生的数据来对自编码器进行同步训练,使得自编码器的训练过程得到了加速并提高了算法对数据的利用率。